9、指纹分类技术的现状与进展

指纹分类技术的现状与进展

1. 引言

自动指纹识别系统（AFIS）在法医和民用领域的应用越来越广泛。在指纹识别过程中，为了减少比对次数、提高响应时间，通常会将指纹进行分类。指纹分类是指将每个指纹以一致且可靠的方式分配到一个类别中，这样在搜索未知指纹时，只需将其与数据库中同一类别的指纹子集进行比较。

早期，Francis Galton将指纹分为三大类，后来Edward Henry改进了分类方法，增加了类别数量。目前警方机构使用的分类方案大多是Henry分类方案的变体。常见的指纹分类有五种：弓型（arch）、帐弓型（tented arch）、左环型（left loop）、右环型（right loop）和涡型（whorl），但指纹在这五类中的分布并不均匀。

自动将指纹分为这五类是一个具有挑战性的模式识别问题，因为类间差异小、类内差异大，且指纹图像常受噪声影响。接下来将介绍一些指纹分类的主要方法和相关特征提取技术。

2. 指纹分类特征提取

虽然有多种分类算法，但大多数研究使用的指纹特征相对较少，主要包括以下几种：

2.1 方向图像（Directional Image）

方向图像是一个离散矩阵，其元素代表指纹脊线的局部平均方向。它能有效总结指纹模式信息，可从有噪声的指纹中可靠计算，受损区域的局部方向还可通过正则化过程恢复。因此，大多数现有分类方法都使用指纹方向图像。

计算方向图像的方法有很多，为减少噪声影响，方向图像常进行平滑处理。一种有用的表示方法是将每个方向元素用向量(v = ξ[cos 2θ, sin 2θ])表示，其中(θ ∈[0◦, 180◦))表示方向，(|v| = ξ)表示方向可靠性的